一、数据录入

在将数据录入Eviews软件前，小编将在Excel中对各变量数据进行对数处理，这主要是为了消除时间序列中存在的异方差现象，同时便于考察各变量对GDP的敏感性。

Step1：选择File/New/Workfile，在出现的创建工作文件对话框中：

在“Workfile structure type”中选择“Dated-regular frequency”，再输入起始、终止期，“Start date”表示起始时间，本例中为1978年；而“End date”表示终止时间，本例中为2012年；点击“OK”后，

Step2：在编辑框键入“data GDP M2 GE RPI”

按回车键，将出现下面窗口：

Step3：在上表中，点击编辑按钮，“Edit+/-”, 利用复制+粘贴的方式，将EXCEL表中的数据复制到工作表中去。

二、平稳性检验

建立VAR模型的重要前提就是序列必须符合平稳性条件，只有平稳序列才能使用最小二乘法进行回归分析，否则可能会出现“伪回归”问题。平稳性检验方法有很多，而小编将采用时序图和常用的ADF单位根检验来判断序列是否平稳。

具体软件操作过程：

Step1：画时序图。双击变量序列，如gdp，打开序列数据串口后点击“View”/“Graph…”，点击确定即可得到变量GDP的时序图。其他变量的操作均类似，具体见下图所示：

各变量时序图如下：

Step2：ADF单位根检验。

由时序图可见，变量GDP、M2、GE序列数据含有明显的截距项，无明显趋势变化，而RPI无明显趋势变化和截距项。因此，小编将对GDP、M2、GE序列数据采用包含截距项的ADF单位根检验，对RPI序列数据采用无截距项无趋势项的ADF单位根检验。

就变量GDP来说，其ADF检验的具体软件操作过程：双击变量序列，如gdp，打开序列数据串口后点击“View”/“Unit Root Test”，点击“OK”即可。其他变量的操作均类似。

所得的检验结果如下：

其余各变量的检验结果见下表：可见，各序列在5%的显著性水平下均为平稳性时间序列。

三、格兰杰因果检验

在建立VAR模型前，需确定哪些变量可作为因变量？在VAR模型中应纳入具有相关关系的变量作为因变量，而变量间是否具有相关关系，要用Granger因果关系检验确定。

具体软件操作如下：

打开数据组——点击“View”——选择“Granger Causality”——选择滞后阶数，本实例中，小编取滞后阶数k为3、6、8、10，以期准确判断各变量间的因果关系。

检验结果如下：

表2列出了各变量之间的因果关系检验P值结果，表明至少在5%的显著性水平下，货币供应量是其余三个变量的Granger原因，这也说明了货币政策的实施在促进我国经济的发展同时，也造成了物价波动，所以要控制通货膨胀就要控制货币发行。GDP是GE的Granger原因，说明了经济发展状况对财政货币政策的制定具有一定的导向作用。RPI和GDP互为Granger因果关系，说明了通货膨胀会影响经济的发展，而经济的增长在一定程度上会引起物价的波动。此外，RPI和GE不是因果关系以及GE不是M2的Granger原因，说明了财政政策并不会造成物价上涨，且财政政策对货币政策不具有导向作用，货币政策的制定具有独立性。

因此，各变量相互间具有影响作用，建立VAR模型具有一定的价值与意义。

下期，小编将就VAR模型的滞后阶数选择、模型平稳性检验以及模型参数估计的具体EVIEWS操作过程，进行详细阐述，请持续关注中国指数网指数学院模块。